共查询到10条相似文献,搜索用时 15 毫秒
1.
开展车辆制动时路面类型识别的研究,提出一种基于主成分分析-学习向量量化神经网络 (Principal Component Analysis - Learning Vector Quantization,PCA-LVQ) 的制动工况路面识别方法。利用主成分分析对多维度驾驶数据降维处理,提取能表征路面特征的主要成分,采用学习向量量化神经网络对降维处理后的驾驶数据进行训练,并用于路面特征分类,使用制动工况下实车试验数据和硬件在环仿真数据进行验证。结果表明,所提出的 PCA-LVQ算法能准确识别路面类型特征,路面识别的精度达到 97%,与传统 BP神经网络的路面类型特征识别精度提升 7%;同时,在不同车速下,基于PCA-LVQ算法也能较准确地识别路面类型特征。 相似文献
2.
3.
4.
5.
6.
7.
为了构建路面病害成因的自动判别方法,以重庆市内环快速路为工程实例,分析了不同路段类型的沥青路面病害的典型特征,基于不同类型损害的关联特性确定了数据降维分析的可行性,并采用主成分分析法对路面的众多状态信息数据进行降维处理,且通过随机森林算法实现了路面病害的自动成因分析。结果显示,通过机器学习模型训练得到的成因结论与实际现场调查结论基本一致,可认为基于机器学习的智能判别方法对路面病害的成因分析具有一定的可靠性,可为后续智能养护决策系统的开发提供自动化的判别方法。 相似文献
8.
针对沥青路面二维裂缝图像识别精度较低的问题,文中借助三维激光扫描技术,利用三维点云数据所提取的裂缝特征验证二维图像裂缝特征的准确性,同时将提取的三维点云数据裂缝指标用于深度学习的准确率提升,以此提高裂缝图像的识别准确率。首先将获取的高精度二维图像进行图像增加、去噪、分割、特征提取等,然后通过对路表三维点云数据进行分类、滤波、融合,重建沥青路面路表三维形态模型,实现沥青路面裂缝的高效高精度识别与裂缝特征参数提取,利用密集卷积神经网络(DenseNet)的裂缝图像识别算法对200张验证图像进行测试。结果表明,通过利用三维点云数据对二维图像进行辅助判别的方法,可大幅提高裂缝图像的识别准确率,具有良好的普适性。 相似文献
9.
针对交通标志识别实时性不足,提出了一种基于双向二维的主成分分析[(2D)2PCA]的交通标志识别算法.首先,对交通标志图像进行去噪归一化等预处理.然后,进行水平和垂直方向的投影,通过特征空间降维提高匹配速度.最后,利用最近邻法进行分类.通过在不同数据库下与传统2DPCA方法的对比仿真表明,2种方法随主特征数目增加,识别率都有所提升;样本数量增加时,(2D)2PCA算法的时间增长速度明显小于2DPCA,满足了识别的实时性要求. 相似文献
10.
《公路》2021,66(10):321-325
为研究不同抗滑集料的颗粒形状及表面纹理特征,以玄武岩集料、金刚砂、黑刚玉材料为研究对象,采用Matlab软件计算了3种抗滑集料的圆度值,并对3种抗滑集料的颗粒形状进行了评价;采用SEM扫描电镜试验获取了玄武岩集料、金刚砂、黑刚玉材料的表面图像,并利用FractalFox软件对图像进行了二值化处理,计算了3种集料表面纹理的分形维数,并基于此对3种抗滑集料的表面纹理特征进行了分析。研究结果表明:黑刚玉具有最高的圆度值,即最接近于球状,有利于在车辆荷载碾压下保持稳定;金刚砂表面纹理的分形维数最高、玄武岩集料次之,黑刚玉最低,表明金刚砂和玄武岩集料具有更为发育的表面纹理,有利于与胶结材料间发生黏附。 相似文献